OpenAI 介绍 DALL·E 2 研究预览中的艺术家使用情况
OpenAI 在 DALL·E 2 研究预览中,已有来自 118 个以上国家的 3000 多名艺术家将 DALL·E 纳入创作流程。OpenAI 表示,早期访问组的艺术家帮助发现了 DALL·E 的新用途,并在其决定 DALL·E 功能时提供了关键意见。
推荐理由:原文给出 DALL·E 2 研究预览中艺术家的使用规模,读者可据此了解早期创作者如何参与产品功能决策。
AI 产品与应用的功能上新、改版与商业化动态——谁家的产品变强了、变贵了、能用了。
OpenAI 在 DALL·E 2 研究预览中,已有来自 118 个以上国家的 3000 多名艺术家将 DALL·E 纳入创作流程。OpenAI 表示,早期访问组的艺术家帮助发现了 DALL·E 的新用途,并在其决定 DALL·E 功能时提供了关键意见。
推荐理由:原文给出 DALL·E 2 研究预览中艺术家的使用规模,读者可据此了解早期创作者如何参与产品功能决策。
OpenAI 更新 DALL·E 2 研究预览进展,早期用户迄今已生成超过 300 万张图像,并帮助改进了安全流程。OpenAI 表示将开始每周从候补名单中新增最多 1000 名用户。
推荐理由:官方披露 DALL·E 2 预览期的用户规模与每周放量节奏,可据此了解其早期开放进度。
OpenAI 在 API 中新增 embeddings 端点,用于自然语言和代码任务,例如语义搜索、聚类、主题建模和分类。
推荐理由:OpenAI 在 API 中新增 embeddings 端点,读者可据此了解语义搜索与聚类等任务的接入方式。
OpenAI 宣布其 API 不再需要等待名单,可直接使用。官方称这一更广泛的开放得益于安全方面的进展。
推荐理由:OpenAI API 取消等待名单,读者可据此判断接入门槛的变化。
OpenAI 发布改进版 Codex,这是其将自然语言转换为代码的 AI 系统,从今天起通过 API 以私测形式开放。
推荐理由:OpenAI 官方公布 Codex 改进版本并开放 API 私测,读者可了解自然语言转代码能力的落地入口。
OpenAI 发布 Triton 1.0,这是一门类 Python 的开源编程语言,让没有 CUDA 经验的研究者也能编写高效的 GPU 代码,性能多数情况下可达到专家水平。
推荐理由:OpenAI 开源 Triton 1.0,让没有 CUDA 经验的研究者也能写出接近专家水平的 GPU 代码。
OpenAI 发布 API,用于访问 OpenAI 开发的新 AI 模型。
推荐理由:OpenAI 官方发布 API,读者可了解其新模型首次以接口形式对外开放这一入口变化。
OpenAI 推出 OpenAI Microscope,这是一个可视化集合,涵盖八个视觉“模式生物”模型的每个重要层和神经元,这些模型常用于可解释性研究。Microscope 让分析这些神经网络内部形成的特征更容易,OpenAI 希望它能帮助研究社区理解这些复杂系统。
推荐理由:OpenAI 公开八个视觉模型各层与神经元的可视化集合,为可解释性研究提供统一观察入口。
OpenAI 发布 Safety Gym,一套用于衡量强化学习智能体在训练中遵守安全约束进展的环境与工具。该套件面向安全约束下的强化学习智能体评测。
推荐理由:OpenAI 发布用于衡量强化学习智能体安全约束遵守情况的环境与工具套件,读者可了解其评测目标。
OpenAI 发布 Neural MMO,一个面向强化学习智能体的大规模多智能体游戏环境。该平台支持在持续、开放式的任务中运行数量可变的大量智能体,多智能体与多物种的加入带来更好的探索、分化出不同生态位以及整体能力的提升。
推荐理由:OpenAI 发布面向强化学习智能体的多智能体游戏环境,读者可了解其支持大规模智能体与物种共存的设计取向。
OpenAI 发布 Spinning Up in Deep RL,一套面向深度强化学习的教学资源,目标是让任何人都能学习成为该领域的熟练实践者。该资源包含清晰的 RL 代码示例、教学练习、文档和教程。
推荐理由:OpenAI 把深度强化学习的代码示例、练习与教程打包成一套公开学习资源,适合想入门该方向的人按图索骥。
OpenAI 发布强化学习游戏平台 Gym Retro 的完整版,公开可用的游戏数量从约 70 款 Atari 游戏和 30 款 Sega 游戏扩展到 1000 多款,覆盖多种模拟器后端。OpenAI 同时发布了用于向该平台添加新游戏的工具。
推荐理由:原文给出游戏数量从约百款扩展到 1000 多款,并开放添加新游戏的工具,便于了解该强化学习平台的可用范围。
OpenAI 发布八个仿真机器人环境,以及 Hindsight Experience Replay 的 Baselines 实现,这些环境是过去一年为自身研究开发的,并已用于训练可运行在实体机器人上的模型。OpenAI 同时发布了一组机器人研究需求。
推荐理由:OpenAI 公开八个仿真机器人环境与 HER 的 Baselines 实现,读者可了解其机器人研究的基础设施与后续方向。
OpenAI 发布 Roboschool,一款用于机器人仿真的开源软件,并与 OpenAI Gym 集成。
推荐理由:OpenAI 开源机器人仿真软件并接入 Gym,读者可了解其早期机器人研究工具链的开放入口。
OpenAI 发布 Universe,一个用于衡量和训练 AI 通用智能的软件平台,覆盖全球各类游戏、网站及其他应用。
推荐理由:OpenAI 发布 Universe 平台,读者可了解其用游戏与网站训练通用智能的定位。
OpenAI 发布强化学习工具包 OpenAI Gym 的公测版,用于开发和比较 RL 算法。它包含一套持续扩充的环境,涵盖模拟机器人到 Atari 游戏,并提供一个用于比较和复现结果的站点。
推荐理由:OpenAI 公开强化学习工具包 Gym 的 beta 版,读者可了解其环境套件与结果对比站点的构成。